文献类型：期刊文章

作　　者：陈林[1] 方百青[1] 潘纯权[1] 肖俊[1] 康茜[1]

机构地区：[1]重庆科技学院,数理与大数据学院,重庆

出　　处：《应用数学进展》

年　　份：2023

卷　　号：12

期　　号：6

起止页码：3055-3068

语　　种：中文

收录情况：IC、PUBMED、RCCSE、普通刊

摘　　要：随着2020年新冠肺炎疫情在全球范围内的爆发,全球面临了前所未有的挑战。本文旨在研究各国采取的防疫措施的有效性,并探讨有效的防疫措施对疫情控制、经济复苏和人民生命安全的重要性。本文基于新冠肺炎预测模型选择及防疫能力评价,采用多种分析方法进行研究和分析。首先,本文采用时间序列ARIMA模型对疫情进行分析预测,并利用经典的传染病动力学模型,加入潜伏患者和死亡概率,建立SEIRD模型对疫情进行预测。接着,采用多种机器学习模型与滚动预测方法相结合,提升模型的精确度,并通过平均绝对误差(MAE)度量模型的预测精度。然后,利用多变量LSTM对疫情进行预测,并基于LSTM深度学习和多种机器学习的基础上建立赋权组合模型的方法,得到更为精准的预测模型。最后,本文基于多元线性回归模型分析感染率的影响因素,考虑人口密度分布的情况下,量化评价我国各个区域的防疫能力,并从不同角度提出疫情防控工作的可行性建议,形成精细的防疫模式。本文研究结果表明,有效的防疫措施可以有效控制疫情的传播,减少患者数量和死亡率,并为经济复苏提供了条件。此外,基于多种分析方法和模型选择,本文提出了更为有效的疫情预测模型和防疫能力评价模型,为应对未来的传染病疫情提供了重要的参考依据。

关 键 词：新冠肺炎  预测模型  防疫能力评价  ARIMA 机器学习  

分 类 号：S85[动物医学类]